DeepSeek تطلق تحديث V4.1 Flash لتعزيز كفاءة الذكاء الاصطناعي وخفض التكاليف

بناء نموذج ذكاء اصطناعي أكثر قدرة هو نصف المعركة فقط. النصف الآخر هو جعله قابلاً للتشغيل بتكلفة معقولة على نطاق واسع. أعلنت DeepSeek تحديث V4.1 Flash الذي يهدف إلى إنجاز المهام بسرعة أكبر وتقصير المخرجات، إلى جانب إطار عمل مفتوح المصدر لاستدلال أكثر كفاءة.

تحديث للنموذج بنتائج أولية واعدة

في 17 أكتوبر، أطلقت DeepSeek V4.1-Flash-1017، وهو تحديث لنموذج V4.1 Flash. تُظهر نتائج الاختبارات المعيارية المنشورة للشركة تحسناً في عدة مجالات، منها البرمجة ومهام الوكيل. على سبيل المثال، ارتفعت نتيجة Terminal-Bench 4.0 من 31.2 إلى 42.3، بينما زادت نتيجة DeepSWE v1.1 من 74.2 إلى 77.0.

يُظهر مخطط التكلفة والأداء لاختبار البرمجة DeepSWE v1.1 أن V4.1 Flash-1017 يحقق نتيجة Pass@1 بنسبة 77% بتكلفة نحو 0.20 دولار لكل مهمة، متفوقاً على عدة نماذج تكلّف تشغيلها مبالغ أكبر بكثير. وعند إعدادات أقل تكلفة تتراوح بين 0.11 و0.14 دولار لكل مهمة، لا يزال يسجل نحو 72–73%.

تذكر DeepSeek أيضاً أن أوقات تنفيذ المهام والمخرجات أصبحت أقصر، ما قد يقلل تكاليف الاستدلال عندما ينجز النموذج العمل نفسه باستخدام عدد أقل من الرموز (tokens) ووقت حوسبة أقل. التحديث مُحسَّن لأطر عمل الوكلاء، منها DeepSeek Harness وTencent CodeBuddy وWorkBuddy.

لكن هذه الأرقام هي في الأساس نتائج الاختبارات المعيارية الخاصة بالشركة، وتستخدم الاختبارات المختلفة أطر عمل وإعدادات تقييم مختلفة. وهي لا تثبت أن النموذج سيؤدي بالجودة نفسها في جميع التطبيقات.

وجاءت إشارة منفصلة من لوحة صدارة Agent Arena التابعة لـ Arena. وبحسب تقرير ITHome في 20 أكتوبر، احتل النموذج المحدَّث المرتبة الأولى بين النماذج المفتوحة الأوزان والمرتبة 11 إجمالاً، استناداً إلى 7,498 جلسة استخدام حقيقية. وبلغت تكلفته الوسيطة نحو 0.18 دولار لكل مهمة، رغم أن صفحات مختلفة من لوحة الصدارة أظهرت أرقاماً تتراوح بين 0.18 و0.19 دولار.

فتح البنية التحتية

في 20 أكتوبر، أطلقت DeepSeek DeepInfer، إطار عمل الاستدلال الداخلي لديها، إلى جانب deepseek-recipe، وهي مكتبة لمعالجة طلبات API وإعداد المطالبات (prompts) للنماذج وتحليل المخرجات.

تدير أطر عمل الاستدلال كيفية استخدام النماذج لموارد الحوسبة لمعالجة الطلبات. ويؤثر تصميمها في زمن الاستجابة والإنتاجية والعتاد المطلوب لخدمة المستخدمين، ما يجعلها عاملاً مهماً — وإن كان أقل وضوحاً — في تكاليف تشغيل الذكاء الاصطناعي.

تصف DeepSeek DeepInfer بأنه الإطار الذي يشغّل خدمات الإنتاج واسعة النطاق لديها. ويتضمن الإصدار مفتوح المصدر نوى حوسبة محسّنة وجدولة غير متزامنة ودعماً للاستدلال الموزع وفك التشفير التخميني (speculative decoding)، وفقاً لـREADME ووثائق النشر. وهو يدعم حالياً وحدات معالجة الرسومات Nvidia SM100 ووحدات معالجة الشبكات العصبية Huawei Ascend 950، مع إدراج DeepSeek V4.1 Flash كنموذج مدعوم.

لا يمثل الإصدار حزمة استدلال كاملة. وتحدد وثائق DeepSeek نظام KV-cache، وفصل مرحلتي prefill/decode، وموازنة الحمل عبر نسخ متوازية للبيانات كمتطلبات لخدمة كاملة لا يغطيها الإصدار بالكامل، رغم أن معظم وظائف الفصل الأساسية منفذة بالفعل.

يمنح الكود مفتوح المصدر المطورين إمكانية الوصول إلى أجزاء من تقنية خدمة النماذج لدى DeepSeek. وستعتمد الفوائد العملية على العتاد وأعباء العمل والهندسة الإضافية اللازمة لنشره.

التكاليف المنخفضة ليست القصة كاملة

عند إطلاقها V4.1 Flash في سبتمبر، ذكرت DeepSeek أنها خفضت متطلبات ذاكرة KV-cache إلى الربع واحتياجات تخزين SSD إلى الثمن مقارنة بالجيل السابق. وتقدم الشركة أيضاً أسعار API خارج أوقات الذروة بنصف سعر الذروة.

وفي أكتوبر، فتحت DeepSeek واجهات Search وFetch API للمطورين، بسعر 5 يوان صيني لكل 1,000 طلب ناجح. والاستدعاءات عبر تكاملات DeepSeek API مع Claude Code وCodex مجانية مؤقتاً، مع بدء الفوترة لكل طلب في 1 نوفمبر.

تُظهر هذه التطورات أن DeepSeek تعالج الكفاءة على مستوى النموذج والبنية التحتية مع توسيع الأدوات المتاحة لوكلاء الذكاء الاصطناعي. وسيعتمد ما إذا كانت التحسينات ستترجم إلى أداء موثوق وتكاليف إجمالية أقل على أعباء العمل الفعلية والنشر والصيانة.

المصدر: TechNode (China)